CN109993723A - 一种基于机器视觉的枕簧分类检测方法 - Google Patents
一种基于机器视觉的枕簧分类检测方法 Download PDFInfo
- Publication number
- CN109993723A CN109993723A CN201711458585.1A CN201711458585A CN109993723A CN 109993723 A CN109993723 A CN 109993723A CN 201711458585 A CN201711458585 A CN 201711458585A CN 109993723 A CN109993723 A CN 109993723A
- Authority
- CN
- China
- Prior art keywords
- pillow spring
- pillow
- spring
- point cloud
- high angle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Library & Information Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种基于机器视觉的枕簧分类检测方法,包括以下步骤:步骤1,录入枕簧类型;步骤2,调整3D视觉成像装置的参数;步骤3,根据用户需求设置枕簧的特征半径值及分类范围;根据用户需求设置枕簧的特征自由高度值及合格范围;步骤4,3D视觉成像装置拍摄枕簧的点云数据并将数据发送至计算机;步骤5,计算机的图像处理模块对步骤4中的点云数据进行处理,判断所述点云数据中是否有枕簧有无;步骤6,计算机的图像处理模块计算枕簧的自由高度值及半径值;步骤7,计算机的数据分类模块判断该枕簧的类型。采用本发明的方法可以实现多种类型枕簧组及组内枕簧的自动分类及检测,具有效率快、检测精度高、准确率高的优点。
Description
技术领域
本发明涉及到枕簧领域,特指一种基于机器视觉的枕簧分类检测方法。
背景技术
火车检修厂在枕簧装配前通常需要对枕簧的自由高度值进行测量,将实际测量值与设定的合格范围比对,从而判断枕簧合格与否。火车检修厂的枕簧通常由多种不同型号的枕簧组组成,每种型号的枕簧组内部又包含摇枕外簧、摇枕內簧、减震外簧、减震內簧这四种枕簧。一般摇枕外簧、摇枕內簧的标准自由高不同,减震外簧、减震內簧的标准自由高是相同的。
多种类型和种类的枕簧给实现枕簧自动化检测带来了难度,在进行检测前一般需要工人对枕簧进行人工分类。虽然当前也可以通过枕簧分类机对枕簧进行分类,但枕簧分类机主要通过检测高度区分枕簧,上料的时候仍然需要人工将内簧和外簧进行初次分离,其检测精度低且多数只能针对同一种型号的枕簧,当枕簧型号发生变化的时候需要人工更改参数。
发明内容
针对以上不足,本发明提出一种基于机器视觉的枕簧分类检测方法。
本发明的目的是通过以下技术方案实现的:
一种基于机器视觉的枕簧分类检测方法,包括以下步骤:
步骤1,检查本批次待检测枕簧组中含有的枕簧类型是否已经都存在于计算机数据库中:如果有未存在于数据库中的枕簧类型,则新增对应枕簧的类型及特征参数;如果无,则进入下一步;
步骤2,调整3D视觉成像装置的位置参数、角度参数、曝光时间和视野范围,以便获取清晰的目标点云数据;
步骤3,根据用户需求设置枕簧的特征半径值及分类范围;
根据用户需求设置枕簧的特征自由高度值及合格范围;
步骤4,3D视觉成像装置受到拍摄信号,拍摄枕簧的点云数据并将数据发送至计算机;
步骤5,计算机的图像处理模块对步骤4中的点云数据进行处理,判断所述点云数据中是否有枕簧:如果没有,则返回步骤4;如果有,则进入下一步;
步骤6,计算机的图像处理模块计算枕簧的自由高度值及半径值;
步骤7,计算机的数据分类模块将步骤6中计算的枕簧的自由高度值及半径值与数据库中已存在的各类枕簧的特征自由高度值及特征半径值比较,确定该枕簧的类型。
步骤6所述的计算枕簧的自由高度值及半径值的具体步骤如下:
(1)计算机的图像处理模块计算出枕簧的自由高度值:基于预设高度分割出仅包含托盘的点云;对分割的仅包含托盘的点云提取平面,识别出托盘上表面并计算出托盘上表面的平面参数;根据托盘上表面的平面参数对枕簧的点云数据进行坐标变换,将枕簧的点云数据的坐标系原点及坐标系变换到托盘上表面;根据预设的枕簧高度范围,分割出包含枕簧上端面的点云;对包含枕簧上端面的点云提取法向量垂直的最大平面为枕簧上端面;计算枕簧上端面的高度值即为枕簧的自由高度值;
(2)计算机的图像处理模块图像处理***计算出枕簧的半径值:采用聚类法对识别到的枕簧上端面点云聚类,提取点数最多的点云组,即为去噪后的枕簧上端面的点云;对去噪后的枕簧上端面的点云进行最小二乘圆拟合,得到枕簧半径值。
还包括步骤8,计算机的数据检测模块判断步骤7中已确定类型的枕簧是否合格,具体包括:
将步骤7中计算出的枕簧自由高度值与该类型枕簧的特征自由高度值比较,如在合格范围内则输出合格信号并送入后续工位;如不在合格范围内则输出不合格信号,并将其剔除。
采用本发明的方法可以实现多种类型枕簧组及组内枕簧的自动分类及检测,具有效率快、检测精度高、准确率高的优点。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
本发明提供的一种基于机器视觉的枕簧分类检测方法,如图1所示,包括以下步骤:
步骤1,检查本批次待检测枕簧组中含有的枕簧类型是否已经都存在于计算机数据库中:如果有未存在于数据库中的枕簧类型,则新增对应枕簧的类型及特征参数;如果无,则进入下一步;
步骤2,调整3D视觉成像装置的位置参数、角度参数、曝光时间和视野范围,以便获取清晰的目标点云数据;
步骤3,根据用户需求设置枕簧的特征半径值及分类范围;
根据用户需求设置枕簧的特征自由高度值及合格范围;
步骤4,3D视觉成像装置受到拍摄信号,拍摄枕簧的点云数据并将数据发送至计算机;
步骤5,计算机的图像处理模块对步骤4中的点云数据进行处理,判断所述点云数据中是否有枕簧:如果没有,则返回步骤4;如果有,则进入下一步;
步骤6,计算机的图像处理模块计算枕簧的自由高度值及半径值;
步骤7,计算机的数据分类模块将步骤6中计算的枕簧的自由高度值及半径值与数据库中已存在的各类枕簧的特征自由高度值及特征半径值比较,确定该枕簧的类型。
步骤6所述的计算枕簧的自由高度值及半径值的具体步骤如下:
(1)计算机的图像处理模块计算出枕簧的自由高度值:基于预设高度分割出仅包含托盘的点云;对分割的仅包含托盘的点云提取平面,识别出托盘上表面并计算出托盘上表面的平面参数;根据托盘上表面的平面参数对枕簧的点云数据进行坐标变换,将枕簧的点云数据的坐标系原点及坐标系变换到托盘上表面;根据预设的枕簧高度范围,分割出包含枕簧上端面的点云;对包含枕簧上端面的点云提取法向量垂直的最大平面为枕簧上端面;计算枕簧上端面的高度值即为枕簧的自由高度值;
(2)计算机的图像处理模块图像处理***计算出枕簧的半径值:采用聚类法对识别到的枕簧上端面点云聚类,提取点数最多的点云组,即为去噪后的枕簧上端面的点云;对去噪后的枕簧上端面的点云进行最小二乘圆拟合,得到枕簧半径值。
还包括步骤8,计算机的数据检测模块判断步骤7中已确定类型的枕簧是否合格,具体包括:
将步骤7中计算出的枕簧自由高度值与该类型枕簧的特征自由高度值比较,如在合格范围内则输出合格信号并送入后续工位;如不在合格范围内则输出不合格信号,并将其剔除。
与现有的技术相比,本发明提供的一种基于机器视觉的枕簧分类检测方法可以实现多种类型枕簧组及组内枕簧的自动分类及检测,具有效率快、检测精度高、准确率高的优点。
Claims (3)
1.一种基于机器视觉的枕簧分类检测方法,其特征在于,包括以下步骤:
步骤1,检查本批次待检测枕簧组中含有的枕簧类型是否已经都存在于计算机数据库中:如果有未存在于数据库中的枕簧类型,则新增对应枕簧的类型及特征参数;如果无,则进入下一步;
步骤2,调整3D视觉成像装置的位置参数、角度参数、曝光时间和视野范围,以便获取清晰的目标点云数据;
步骤3,根据用户需求设置枕簧的特征半径值及分类范围;
根据用户需求设置枕簧的特征自由高度值及合格范围;
步骤4,3D视觉成像装置受到拍摄信号,拍摄枕簧的点云数据并将数据发送至计算机;
步骤5,计算机的图像处理模块对步骤4中的点云数据进行处理,判断所述点云数据中是否有枕簧:如果没有,则返回步骤4;如果有,则进入下一步;
步骤6,计算机的图像处理模块计算枕簧的自由高度值及半径值;
步骤7,计算机的数据分类模块将步骤6中计算的枕簧的自由高度值及半径值与数据库中已存在的各类枕簧的特征自由高度值及特征半径值比较,确定该枕簧的类型。
2.如权利要求1所述的一种基于机器视觉的枕簧分类检测方法,其特征在于,步骤6所述的计算枕簧的自由高度值及半径值的具体步骤如下:
(1)计算机的图像处理模块计算出枕簧的自由高度值:基于预设高度分割出仅包含托盘的点云;对分割的仅包含托盘的点云提取平面,识别出托盘上表面并计算出托盘上表面的平面参数;根据托盘上表面的平面参数对枕簧的点云数据进行坐标变换,将枕簧的点云数据的坐标系原点及坐标系变换到托盘上表面;根据预设的枕簧高度范围,分割出包含枕簧上端面的点云;对包含枕簧上端面的点云提取法向量垂直的最大平面为枕簧上端面;计算枕簧上端面的高度值即为枕簧的自由高度值;
(2)计算机的图像处理模块图像处理***计算出枕簧的半径值:采用聚类法对识别到的枕簧上端面点云聚类,提取点数最多的点云组,即为去噪后的枕簧上端面的点云;对去噪后的枕簧上端面的点云进行最小二乘圆拟合,得到枕簧半径值。
3.如权利要求1所述的一种基于机器视觉的枕簧分类检测方法,其特征在于,还包括步骤8,计算机的数据检测模块判断步骤7中已确定类型的枕簧是否合格;具体包括:
将步骤7中计算出的枕簧自由高度值与该类型枕簧的特征自由高度值比较,如在合格范围内则输出合格信号并送入后续工位;如不在合格范围内则输出不合格信号,并将其剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711458585.1A CN109993723A (zh) | 2017-12-28 | 2017-12-28 | 一种基于机器视觉的枕簧分类检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711458585.1A CN109993723A (zh) | 2017-12-28 | 2017-12-28 | 一种基于机器视觉的枕簧分类检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109993723A true CN109993723A (zh) | 2019-07-09 |
Family
ID=67108260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711458585.1A Withdrawn CN109993723A (zh) | 2017-12-28 | 2017-12-28 | 一种基于机器视觉的枕簧分类检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993723A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111957592A (zh) * | 2020-08-06 | 2020-11-20 | 姜斌 | 铁路货车转向架枕簧分拣***及其分拣方法 |
WO2021088245A1 (zh) * | 2019-11-05 | 2021-05-14 | 南京拓控信息科技股份有限公司 | 一种货车枕簧视觉检测及智能选配***和使用方法 |
CN114001648A (zh) * | 2020-07-28 | 2022-02-01 | 南京景曜智能科技有限公司 | 一种弹簧圈数检测装置及检测方法 |
CN114004990A (zh) * | 2020-07-28 | 2022-02-01 | 南京景曜智能科技有限公司 | 一种高效判断枕簧类型的***及方法 |
-
2017
- 2017-12-28 CN CN201711458585.1A patent/CN109993723A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021088245A1 (zh) * | 2019-11-05 | 2021-05-14 | 南京拓控信息科技股份有限公司 | 一种货车枕簧视觉检测及智能选配***和使用方法 |
CN114001648A (zh) * | 2020-07-28 | 2022-02-01 | 南京景曜智能科技有限公司 | 一种弹簧圈数检测装置及检测方法 |
CN114004990A (zh) * | 2020-07-28 | 2022-02-01 | 南京景曜智能科技有限公司 | 一种高效判断枕簧类型的***及方法 |
CN114004990B (zh) * | 2020-07-28 | 2024-05-14 | 南京景曜智能科技有限公司 | 一种高效判断枕簧类型的***及方法 |
CN111957592A (zh) * | 2020-08-06 | 2020-11-20 | 姜斌 | 铁路货车转向架枕簧分拣***及其分拣方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993723A (zh) | 一种基于机器视觉的枕簧分类检测方法 | |
CN106384079B (zh) | 一种基于rgb-d信息的实时行人跟踪方法 | |
KR102056664B1 (ko) | 센서를 이용한 작업 방법 및 이를 수행하는 작업 시스템 | |
CN109978938A (zh) | 一种基于机器视觉的枕簧检测方法 | |
CN107705563B (zh) | 基于激光雷达的连续车辆速度检测方法 | |
CN109741314A (zh) | 一种零件的视觉检测方法及*** | |
CN103729631A (zh) | 一种基于视觉的连接器表面特征自动识别方法 | |
CN110866894B (zh) | 一种基于机器视觉技术的跨粒度的钣金件识别***及方法 | |
CN105139384B (zh) | 缺陷胶囊检测的方法和装置 | |
CN105478363A (zh) | 一种基于三维图形的不良品检测分类方法及*** | |
CN108664860B (zh) | 房间平面图的识别方法及装置 | |
CN110047133A (zh) | 一种面向点云数据的列车边界提取方法 | |
CN107273421B (zh) | 一种高准确性茶叶香气类型和品质的模式识别检测方法 | |
CN110619336A (zh) | 基于图像处理的货品识别算法 | |
CN103245667A (zh) | 自动检测机械性划痕的方法及*** | |
CN103196918A (zh) | 一种汽车空调控制面板的按键装配检测方法 | |
CN105989600A (zh) | 基于特征点分布统计的配电网设备外观检测方法及*** | |
CN113240731B (zh) | 托盘中心位置的确定方法、装置、电子设备及存储介质 | |
CN114332622A (zh) | 一种基于机器视觉的标签检测方法 | |
CN113446932A (zh) | 非接触式裂纹测量方法及其*** | |
CN102968618A (zh) | 一种融合BoF模型和谱聚类算法的静态手势识别方法 | |
CN103544495A (zh) | 一种识别图像类别的方法及*** | |
CN103093214A (zh) | 一种基于车载红外相机的行人检测方法 | |
CN108985325A (zh) | 一种分类方法、装置、设备和*** | |
CN116051540B (zh) | 基于点云模型的互感器接线端子定位位姿获取方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190709 |
|
WW01 | Invention patent application withdrawn after publication |